Vrije University - Summer graduate programs
Θερινό Μάθημα Στατιστικών Μεθόδων για Αιτιώδη Συμπερασματικά
Amsterdam, Κάτω Χώρες
Θερινά μαθήματα
ΔΙΆΡΚΕΙΑ
2 εβδομάδες
ΓΛΏΣΣΕΣ
Αγγλικά
ΡΥΘΜΌΣ
Πλήρης απασχόληση
ΠΡΟΘΕΣΜΊΑ ΕΦΑΡΜΟΓΉΣ
15 May 2026
ΠΡΩΙΜΌΤΕΡΗ ΗΜΕΡΟΜΗΝΊΑ ΈΝΑΡΞΗΣ
06 Jul 2026
ΔΊΔΑΚΤΡΑ
EUR 1.500 / per course *
ΜΟΡΦΉ ΜΕΛΈΤΗΣ
Στην Πανεπιστημιούπολη
* Φοιτητές της VU
Υπάρχει μεγάλο ενδιαφέρον μεταξύ των μαθητών και των επαγγελματιών σήμερα να κατανοήσουν τους αιτιακούς μηχανισμούς που κρύβονται πίσω από σημαντικά γεγονότα. Ο προσδιορισμός των σχέσεων αιτίου-αποτελέσματος είναι σημαντικός για την αξιολόγηση επιπτώσεων και τον αποτελεσματικό σχεδιασμό πολιτικής. Αυτός ο προσδιορισμός μπορεί να μας βοηθήσει να απαντήσουμε σε ερωτήσεις όπως: "Τι προκαλεί μια οικονομική ύφεση;", "Μειώνει το καθολικό βασικό εισόδημα την ανεργία;" και "Ο φόρος άνθρακα μειώνει τις εκπομπές αερίων του θερμοκηπίου;"
Ωστόσο, ο εντοπισμός αιτιακών σχέσεων με χρήση δεδομένων είναι συχνά επιρρεπής σε σφάλματα. Η διαφοροποίηση της αιτιότητας από την απλή συσχέτιση απαιτεί εκμάθηση και εφαρμογή πολύπλοκων ποσοτικών εργαλείων. Το χρυσό πρότυπο για τον προσδιορισμό των αιτιακών συνδέσεων βασίζεται στο σχεδιασμό πειραμάτων, συχνά μέσω τυχαιοποιημένων δοκιμών ελέγχου. Ωστόσο, ο σχεδιασμός μιας τυχαιοποιημένης δοκιμής ελέγχου δεν είναι πάντα εφικτός ή ηθικός. Επιπλέον, ορισμένα γεγονότα μπορεί να έχουν ήδη συμβεί στο παρελθόν, όπως μια οικονομική κρίση ή ένας κυκλώνας. Πώς μπορεί κανείς να χρησιμοποιήσει δεδομένα παρατήρησης για να αναλύσει τις αιτιώδεις επιπτώσεις τέτοιων γεγονότων;
Αυτό το μάθημα παρέχει μια πρακτική εισαγωγή στις στατιστικές μεθόδους για αιτιώδη συναγωγή. Σε διάστημα δύο εβδομάδων, οι μαθητές εισάγονται σε πειραματικές και οιονεί πειραματικές μεθόδους που τους επιτρέπουν να συμπεράνουν σθεναρά τις σχέσεις αιτίου-αποτελέσματος. Διδάσκουμε αυτές τις μεθόδους τόσο από θεωρητικό όσο και από εφαρμοσμένο φακό, συμπληρώνοντας τις διαλέξεις με πρακτικά σεμινάρια υπολογιστών στη γλώσσα προγραμματισμού R για να βοηθήσουμε τους μαθητές να μάθουν κάνοντας πράξη.
- Επίπεδο μαθήματος: Master / Advanced / PhD
- Μονάδες: 3 ECTS
- Ώρες επικοινωνίας: 45
- Γλώσσα: Αγγλικά
- Δίδακτρα: €735 - €1310
Αυτό το μάθημα είναι σε επίπεδο Master/PhD, αλλά είναι ανοιχτό σε φοιτητές Advanced Bachelor και εργαζόμενους επαγγελματίες, σε όλους τους κλάδους των ποσοτικών κοινωνικών επιστημών. Αυτές περιλαμβάνουν τις επιχειρήσεις, την εγκληματολογία, την οικονομία, την οικονομετρία, την εκπαίδευση, τις περιβαλλοντικές επιστήμες, τα οικονομικά, τις επιστήμες υγείας, τις διεθνείς σπουδές, την ψυχολογία, τη δημόσια πολιτική, τις πολιτικές επιστήμες, την κοινωνική πολιτική, την κοινωνιολογία και τη στατιστική, όλα ευρέως ορισμένα.
Οι συμμετέχοντες μαθητές αναμένεται να έχουν προηγούμενη γνώση της ανάλυσης παλινδρόμησης και του ελέγχου υποθέσεων. Εάν δεν έχετε αυτές τις γνώσεις, μπορείτε να συμμετάσχετε σε αυτό το μάθημα ακολουθώντας επιπλέον το μάθημα VU Summer School της VU Amsterdam Data Analysis in R σε προηγούμενη συνεδρία. Προηγούμενη εμπειρία κωδικοποίησης ειδικά στο R προτιμάται αλλά δεν αποτελεί προαπαιτούμενο του μαθήματος.
Όλοι οι φοιτητές πρέπει να φέρουν τους δικούς τους φορητούς υπολογιστές στο μάθημα. Ο φορητός υπολογιστής θα πρέπει να μπορεί να τρέχει το R Studio.
Τελευταία ευκαιρία για αίτηση!
Στο τέλος αυτού του μαθήματος, οι φοιτητές θα μπορούν:
- Κατανοήστε τη διαφορά μεταξύ συσχέτισης και αιτιότητας.
- Εφαρμόστε ποσοτικές μεθόδους στατιστικής ανάλυσης δεδομένων για να συμπεράνετε αιτιώδεις σχέσεις.
- Προσδιορίστε συγχυτικούς παράγοντες που απειλούν την αιτιώδη συναγωγή και παρεμποδίζουν την εσωτερική και εξωτερική εγκυρότητα των αναλυτικών ευρημάτων.
- Αναλύστε κριτικά δεδομένα χρησιμοποιώντας στατιστικές μεθόδους όπως πειράματα, ανάλυση αντιστοίχισης, διαφορά στις διαφορές, ασυνέχεια παλινδρόμησης και εκτίμηση οργανικών μεταβλητών.
- Διερεύνηση προκλήσεων και περιορισμών στη χρήση ποσοτικών μεθόδων αιτιώδους συμπερασματολογίας, όπως η διαθεσιμότητα δεδομένων, τα ελλείποντα δεδομένα και τα σφάλματα μέτρησης.
- Εφαρμογή διαγνωστικών γνώσεων για την ενημέρωση των αξιολογήσεων επιπτώσεων και την ανάπτυξη πολιτικών βασισμένων σε τεκμήρια.
Αυτό το μάθημα παρέχει μια πρακτική εισαγωγή στις στατιστικές μεθόδους για την αιτιώδη συμπερασματολογία. Σε διάστημα δύο εβδομάδων, οι φοιτητές εισάγονται σε πειραματικές και σχεδόν πειραματικές μεθόδους, οι οποίες τους επιτρέπουν να συμπεραίνουν ισχυρά τις σχέσεις αιτίας-αποτελέσματος. Διδάσκουμε αυτές τις μεθόδους τόσο από θεωρητική όσο και από εφαρμοσμένη οπτική γωνία, συμπληρώνοντας τις διαλέξεις με πρακτικά μαθήματα υπολογιστών στη γλώσσα προγραμματισμού R για να βοηθήσουμε τους φοιτητές να μαθαίνουν μέσω της πράξης.